关于 scrapy 处理批量 url

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2414 天前的主题，其中的信息可能已经有所发展或是发生改变。

RT，我这边有需求处理一批 URL 入口，其中可能会定制传入相应的参数，形式大概类似于：

execute(['scrapy', 'crawl', 'woshiscrapy', '-a', 'para=%s' % para)

试过多进程和多线程，完全不适配，似乎异步 twisted 好像需要其他法子解决速度问题。

本来放弃速度，准备直接 for 循环传入，结果发现调用 execute 执行 scrapy，爬完了第一个 url，就直接退出了主程序。

很无奈，求各位大佬给点具体的方案建议，小弟有点没招了。

第 1 条附言 · 2018-05-04 17:26:22 +08:00

@Leigg @arithboy @Mitt @lins05
感谢以上各位大佬，最后采用了 scrapy_redis，不知道大家知道如何让 scrapy 爬行某个站完成后，发出信号或者做出其他动作。
另外，我这边执行代码后，调用的原生 scrapy 会直接爬行结束，没法运行后面的代码。
使用 scrapy_redis 则会直接等待监听，但我不知道在哪儿发出爬行完毕的信号，不然我没法去适时 push 下一个 url。
不知道哪位大佬知道这个，能解答下？

4 条回复 • 2018-05-04 02:04:50 +08:00